satisfaÇÃo de usuÁrio de sistema de informaÇÃo … · satisfação do usuário: a satisfação...

SATISFAÇÃO DE USUÁRIO DE SISTEMA DE INFORMAÇÃO

ACADÊMICA – VALIDAÇÃO DE MODELO DA AVALIAÇÃO

Área temática: Gestão pela Qualidade

André Luís Duarte

[email protected]

Paulo Roberto Vieira

[email protected]

Antonio Carlos Silva

[email protected]

Resumo: A pesquisa teve como objetivo validar modelo encontrado na literatura que busca verificar se as dimensões

“qualidade do sistema”, “qualidade da informação”, “qualidade do serviço” e “utilidade percebida” do sistema de

informações acadêmicas exercem impacto positivo sobre a satisfação do usuário. Foi conduzida pesquisa de survey,

utilizando questionário estruturado com cinco opções de resposta do tipo Likert. Os dados foram tratados com

utilização da técnica de modelagem de equações estruturais. Como resultado, as hipóteses do estudo não foram

confirmadas, pois apesar das estimativas dos parâmetros dos caminhos de cada construto em relação à satisfação do

usuário terem apresentado significância estatística, o modelo completo não apresentou ajustamento global aceitável.

Dentre os possíveis motivos para que isso tenha ocorrido, destacam-se o fato da amostra utilizada não ser aleatória; a

distribuição não normal dos dados coletados e a mensuração do construto “Satisfação do Usuário” por meio de um

único indicador.

Palavras-chaves:

ISSN 1984-9354

XI CONGRESSO NACIONAL DE EXCELÊNCIA EM GESTÃO 13 e 14 de agosto de 2015

2

1. INTRODUÇÃO

A influência das tecnologias da informação (TI) na vida das pessoas tem alterado aspectos de

suas relações sociais, profissionais e nos processos organizacionais (MORAIS; TAVARES, 2011).

Tem se tornado, também, cada vez mais importante nas organizações, seja como atividade principal,

seja como apoio às atividades da empresa com a finalidade de tornar os processos mais ágeis

(SCHEEREN; FONTES FILHO; TAVARES, 2013). Para Sampaio, Rosa e Pereira (2012), pode-se

observar de forma crescente a dependência mútua entre a organização e a TI.

O uso crescente de TI tem alterado significativamente a configuração de empresas em diversos

setores da economia mundial (COSTA; KLEIN; VIEIRA, 2014). Em função dessas alterações, as

instituições de ensino superior (IES) sofreram modificações significativas nos seus processos de

gerenciamento de informações (SENGER; BRITO, 2005). Tanto do mundo acadêmico quanto

empresarial, a utilização de ferramentas eficazes, capazes de tornar mais eficiente a gestão, tem

crescido com o desenvolvimento da Internet, dos serviços associados e do desenvolvimento de novas

tecnologias de rede (ALVES; MONTEIRO, 2013). Atualmente, segundo Janissek, Peixoto e Bastos

(2013), é grande a necessidade de se desenvolver e aperfeiçoar práticas e instrumentos de gestão

universitária que coletem e sistematizem informações de forma confiável, que permitam ação mais

efetiva dos gestores. Estes sistemas de informação (SI) facilitam o compartilhamento de dados e

também permitem uma coordenação adequada entre os departamentos dentro da instituição de ensino

(CAIPANG, 2013).

Segundo Souza et al. (2012), não é fácil o estabelecimento de critérios e parâmetros de

avaliação de SI, em função de aspectos comportamentais e à ocorrência de situações intangíveis. A

avaliação dos resultados de adoção de TI é importante para fornecer feedback aos gestores, aumentar a

aprendizagem organizacional e diagnosticar lacunas e oportunidades para futuras melhorias

(SACCOL; MANICA; ELALUF-CALDERWOOD, 2011). De acordo com Fontes Filho e Naves

(2014), o problema de avaliar a efetividade de SI foi reconhecido como um desafio há mais de 30 anos.

Goldkuhl e Lagsten (2012) sustentam que pesquisadores da área de SI têm grande interesse na questão

da avaliação. Neste sentido, o aumento do número de universidades oferecendo atualmente serviços

via portal acadêmico e as avaliações de satisfação dos usuários com esses serviços são cada vez mais

reconhecidos como temas importantes de pesquisa (LEE; CHOI; JO, 2009).

Atualmente, com a popularização da internet e da Word Wide Web (WWW), grande parte dos

SI pode ser utilizada remotamente, bastando que o usuário tenha um computador com acesso à


3

internet. A WWW incorpora uma série de recursos e funções, deixando de ser apenas uma forma de

acesso a um repositório de documentos eletrônicos para tornar-se uma rica interface de acesso a novos

sistemas de informações dinâmicos (ZANETI JUNIOR; VIDAL, 2006), sendo a qualidade dos

sistemas disponíveis na WWW estrategicamente importante para as organizações e para a satisfação

dos seus clientes (LEITE, 2014).

MODELO DA PESQUISA

São vários os modelos encontrados na literatura que buscam avaliar a qualidade dos sistemas de

informação. O presente estudo foi realizado com base no modelo proposto por Ainin, Bahri e Ahmad

(2012) em sua pesquisa sobre o desempenho do portal do Fundo Nacional de Educação Superior do

governo da Malásia. Tal modelo, por sua vez, foi desenvolvido com base no modelo de DeLone e

McLean (2003), largamente utilizado na avaliação de sucesso de sistemas de informação. O modelo de

Ainin, Bahri e Ahmad (2012) incorpora três construtos (qualidade do sistema, qualidade da informação

e qualidade do serviço) introduzidos por DeLone e McLean (2003), bem como o construto utilidade

percebida, utilizado pela primeira vez no modelo de aceitação da tecnologia (technology acceptance

model - TAM) de Davis (1989) e busca identificar o impacto destes quatro construtos no nível de

Satisfação do Usuário.

No estudo de Ainin, Bahri e Ahmad (2012) os resultados da análise de correlação identificaram

uma forte relação entre os construtos e a satisfação do usuário, bem como dos construtos entre si. Os

coeficientes são estatisticamente significativos ao nível de 0,01. A satisfação do usuário é

correlacionada com a utilidade percebida em 0,809, seguida pela qualidade do serviço com 0,663,

qualidade do sistema com 0,658 e qualidade da informação com 0,641. Foi realizada, também, a

análise de regressão com o intuito de mensurar o poder das variáveis independentes (qualidade do

sistema, qualidade da informação, qualidade do serviço e utilidade percebida) na explicação da

variância da variável dependente (satisfação do usuário). A análise indicou que a utilidade percebida é

a variável mais importante na satisfação do usuário, já que o valor dos coeficientes padronizados

(Beta) para utilidade percebida (0,703) é o mais alto entre os construtos. Os resultados também

mostraram que a utilidade percebida é significativa ao nível de 0,05, indicando que existe uma relação

significativa entre a satisfação do usuário e a utilidade percebida. Surpreendentemente, qualidade da

informação, qualidade do sistema e qualidade de serviço não mostraram significância estatística para


4

explicar a variação na satisfação do usuário, apesar dos resultados da análise de correlação mostrarem

relação positiva entre a satisfação do usuário e essas variáveis (AININ; BAHRI; AHMAD, 2012).

Serão descritos, a seguir, os construtos do modelo, que foram utilizados na presente pesquisa:

Qualidade do Sistema: Esta dimensão tem foco nas especificações técnicas do próprio sistema

(BALABAN; MU; DIVJAK, 2013). Refere-se às características intrínsecas do próprio sistema de

processamento de informação. É baseada na produtividade, que avalia a extensão dos recursos do

sistema de informação e a utilização do investimento (LEE; CHUNG, 2009). Em pesquisa realizada

sobre comunidades virtuais, Zheng, Zhao e Stylianou (2013) sustentam que a qualidade do sistema está

relacionada em como o sistema pode ser efetivamente planejado e gerenciado de forma a melhorar a

experiência do usuário, sendo a navegabilidade do sistema seu indicador mais importante. Para Kim et

al. (2009), refere-se à forma como o usuário identifica o desempenho do sistema. Normalmente inclui

múltiplas facetas que vão desde características específicas que os usuários acham úteis até o quão bem

esses recursos são incorporados no sistema (KIM; MOHAN; RAMESH, 2014).

Qualidade da Informação: Esta dimensão mede o grau com que as expectativas dos usuários

são satisfeitas com a informação obtida (KIM et al., 2009). De acordo com Favaretto (2007), o

conceito de produto de informação é fundamental para se entender a qualidade da informação, sendo

este conceito uma analogia direta com produtos resultantes de processos tradicionais de manufatura,

nos quais produtos físicos são resultantes de um processo de produção em que matérias primas são

processadas. No caso do produto de informação, o produto final é resultante do processamento de

dados por sistemas de informação. Santos (2006) enfatiza que é a informação, e não a tecnologia, que

tem a possibilidade de agregar valor aos processos de negócio, embora seja comum se atribuir às

tecnologias a capacidade de melhorar a competitividade e a gestão das organizações.

Qualidade dos Serviços: Esta dimensão refere-se aos serviços necessários à utilização do

sistema, como treinamento e suporte. Foi adicionado ao modelo original de Delone e McLean (1992)

com base em estudos que identificaram a necessidades desse construto (DELONE; MCLEAN, 2003).

A partir da disseminação do uso de terminais e redes de computadores na década de 1980, os usuários

passaram a ter acesso direto aos sistemas, sendo necessária a interação com essas tecnologias para a

realização de suas tarefas (MACHADO, 2007). A informática passou a ser uma prestadora de serviços

para todas as áreas das organizações, passando a ter importância os serviços de treinamento e suporte

ao usuário. Esses serviços podem ser ofertados pelo próprio sistema de informação ou por outros

meios, como telefone, e-mail e pessoalmente. Segundo Gorla e Somers (2014) os sistemas são

valorizados a partir da melhora na qualidade do serviço agregado, sendo, portanto, uma medida


5

importante para o sucesso do SI e que é determinada pelo contexto, uma vez que a qualidade do

serviço pode ser fundamental para se medir o sucesso de um departamento de SI (BALABAN; MU;

DIVJAK, 2013). Desta forma, a avaliação de SI pode ficar comprometida se não incluir a qualidade do

serviço em sua medida (LEE; YU, 2012), que pode ser definida como o grau de discrepância entre as

expectativas do cliente e as suas percepções acerca do desempenho do serviço (GORLA; SOMERS;

WONG, 2010).

Utilidade Percebida: O papel da utilidade percebida na utilização de SI tem sido estudado desde

a década de 1970 (ALSABAWY; CATER-STEEL; SOAR, 2013). Este construto foi desenvolvido por

Davis (1989) com o objetivo de investigar a aceitação de novas tecnologias da informação. É definido

como o grau em que um indivíduo acredita que utilizar um determinado aumentaria seu desempenho

(DAVIS, 1989) e eventualmente, seu próprio nível de satisfação (AININ; BAHRI; AHMAD, 2012). É

considerado o principal construto do modelo de aceitação de tecnologia (ALSABAWY; CATER-

STEEL; SOAR, 2013). Park et al. (2014) postulam que a Utilidade Percebida é o preditor direto de uso

real ou intenção comportamental de uso da tecnologia de interesse do indivíduo. Neste sentido, Agudo-

Peregrina, Hernández-Garcia e Pascual-Miguel (2014) sustentam que na maioria dos estudos de

aceitação de tecnologia a utilidade percebida é geralmente o mais importante preditor de intenção

comportamental de uso. A utilidade percebida oferece às pessoas uma razão para adotar e utilizar um

SI (SHIBCHURN; YAN, 2015).

Satisfação do Usuário: A satisfação do usuário na área de SI tem um grande corpo de pesquisa

e sua aplicação mais importante está em avaliar o sucesso de SI (ALSABAWY; CATER-STEEL;

SOAR, 2013). Desde o início da década de 1980, muitos estudiosos na área de SI realizaram pesquisas

sistemáticas para desenvolver um conjunto abrangente e razoável de fatores com o objetivo de medir a

satisfação do usuário (SHEE; WANG, 2008). Chen (2010) afirma que esta dimensão é a medida mais

utilizada em avaliação de SI. Já Al-Maskari e Sanderson (2010) sustentam que a satisfação do usuário

é uma das principais funções de um SI e que pode ser influenciada por diversos fatores. Para estes

autores a satisfação do usuário é uma variável subjetiva. É um construto muito útil, já que a satisfação

pode levar a uma maior eficiência (BALABAN; MU; DIVJAK, 2013). De acordo com Ainin, Bahri e

Ahmad (2012), a satisfação do usuário refere-se à interação bem-sucedida entre o próprio sistema de

informação e seus usuários, já que estes, atualmente, estão mais diretamente envolvidos com o sistema,

ao navegarem normalmente utilizando interface interativa, assumindo, desta forma, mais

responsabilidade sobre suas ações. Para esses autores, a satisfação do usuário final serve como uma


6

medida substituta tangível para determinar o desempenho de qualquer SI (AININ; BAHRI; AHMAD,

2012).

METODOLOGIA

A pesquisa foi realizada em uma instituição de ensino superior (IES) localizada no município

de Duque de Caxias, no estado do Rio de Janeiro. Esta IES possui grande relevância econômica e

social em toda a região da baixada fluminense e atualmente conta com cerca de 25 mil alunos em mais

de 40 cursos de Graduação. Os alunos utilizam o SIA para realizar uma série de ações relacionadas à

sua vida acadêmica, como verificar notas e faltas; acessar materiais de aula disponibilizados pelos

professores; ver histórico escolar; consultar a grade do curso; realizar matrícula em disciplinas e várias

outras facilidades que, se não forem feitas por meio do SIA, necessitam da presença física e contato

pessoal em um departamento da instituição.

A condução da pesquisa foi feita a partir de uma abordagem quantitativa, na qual os dados

coletados e as evidências são passíveis de quantificação e mensuração (MARTINS; THEÓPHILO,

2009).

Quanto ao delineamento, foi conduzida uma pesquisa do tipo survey, por ser uma ferramenta

adequada à abordagem quantitativa. Também chamado de levantamento, esse tipo de pesquisa é

próprio para os casos em que se deseja responder questões relacionadas à distribuição de uma variável

ou das relações entre características de pessoas ou grupos, da forma como ocorrem em situações

naturais (MARTINS; THEÓPHILO, 2009).

Quanto aos fins, a pesquisa insere-se no conjunto de pesquisas causais. Neste tipo de pesquisa,

as hipóteses formuladas são testadas de acordo com um modelo proposto, sendo uma investigação

essencialmente empírica (VIEIRA, 2003).

A população da presente pesquisa é de cerca de vinte e cinco mil indivíduos, que refere-se à

totalidade dos usuários do SIA da IES estudada que o utilizam na condição de aluno de graduação. A

amostra da pesquisa, selecionada por conveniência, foi composta de 485 respondentes. Em relação à

Modelagem de Equações Estruturais (MEE), Vieira e Ribas (2011) sustentam que quanto mais

complexo for o modelo utilizado, mais observações são necessárias e ressaltam que alguns autores

consideram que o tamanho mínimo da amostra deve ser de 100 observações, enquanto para outros, o

mínimo deve ser de 150 observações. De qualquer forma, o tamanho da amostra da presente pesquisa é

adequado e está em linha com o encontrado na literatura.


7

Os dados foram coletados por meio de questionário estruturado com escala do tipo Likert com

cinco opções de resposta e foi elaborado com base no instrumento desenvolvido por Ainin, Bahri e

Ahmad (2012) e na literatura referenciada no presente artigo.

Variáveis Latentes

Variáveis latentes, também chamadas de variáveis não observadas, variáveis não mensuráveis,

fatores ou construtos, são variáveis que não podem ser medidas diretamente, mas podem ser medidas

ou representadas por uma ou mais variáveis observadas, também chamadas de variáveis manifestas ou

indicadores (HAIR et al., 2009). O modelo utilizado no presente estudo contém cinco variáveis

latentes: QSIST refere-se à qualidade do sistema; QINFO refere-se à qualidade da informação;

QSERV refere-se à qualidade do serviço; UTILP refere-se à utilidade percebida; SATIS refere-se à

percepção de satisfação.

Variáveis Observadas

Variáveis observadas, manifestas ou indicadores referem-se ao valor observado ou medido de

um item ou questão específica. São obtidas a partir de respostas a questões ou de alguma observação

(HAIR et al., 2009). Raykov e Marcoulides (2006) recomendam que sejam utilizados múltiplos

indicadores para cada variável latente, preferencialmente mais que dois, com a finalidade de se obter

uma imagem completa e confiável. Estes autores lembram que há casos em que uma única variável

observada pode ser um bom indicador de uma variável latente. Todavia, segundo Hair et al. (2014),

muito raramente a medição de variável latente por uma única variável observada apresenta bom

resultado. De acordo com Hair et al. (2009), sempre que possível devem ser usados quatro indicadores.

O modelo da pesquisa utiliza construtos com indicadores reflexivos, típicos da teoria clássica de

mensuração e da análise fatorial (JARVIS; MACKENZIE; PODSAKOFF, 2003).


8

TRATAMENTO DOS DADOS

Os dados da pesquisa foram analisados com a utilização da técnica de Modelagem de Equações

Estruturais (MEE). Essa técnica possui origem híbrida, em distintas áreas do conhecimento, como

Biometria, Econometria e Psicometria (PILATI; LAROS, 2007). Segundo Vieira e Ribas (2011), a

MEE pode ser entendida como a combinação da análise fatorial com a análise de caminho, já que a

análise de caminho permite a especificação de relações causais de variáveis observadas e a análise

fatorial investiga construtos (variáveis latentes), mas não estabelece relações causais entre eles. A

MEE é uma técnica de equações estruturais, mas se diferencia da análise de trajetórias, já que trabalha

com variáveis latentes (PILATI; LAROS, 2007). Essa técnica oferece ao pesquisador a flexibilidade

para modelar as relações entre múltiplas variáveis latentes endógenas e exógenas, e, simultaneamente,

construir as relações entre as variáveis latentes e variáveis manifestas (HSU; CHEN; HSIEH, 2006).

Assim a MEE estima simultaneamente várias equações de regressão múltipla, que embora separadas,

são interdependentes (VIEIRA, 2003).

De acordo com Hair, Gabriel e Patel (2014) as duas abordagens mais utilizadas em MEE são a

baseada em covariância (CB-SEM) e a baseada em mínimos quadrados parciais (PLS-SEM). Estas

abordagens constituem-se de diferentes métodos para a estimação dos coeficientes de mensuração e

estruturais dos modelos, sendo a que utiliza a análise da matriz de covariância a mais tradicional e a

mais utilizada (ZWICKER; SOUZA; BIDO, 2008). Esta técnica gera uma matriz de covariâncias

previstas com base nos parâmetros do modelo. Se o modelo for plausível, considera-se que

covariâncias originadas de dados amostrais podem reproduzir os dados populacionais associados ao

conjunto de parâmetros do modelo estrutural (PILATI; LAROS, 2007). Essa técnica estima parâmetros

do modelo para que a discrepância entre as matrizes de covariância estimada e da amostra seja

minimizada (HAIR et al., 2012).

ANÁLISE DOS RESULTADOS

A amostra da pesquisa, conforme já citado, constituiu-se de 485 respondentes. Desse total, 281

(57,9%) são do sexo masculino e 204 (42,1%) do sexo feminino.

No que se refere à faixa etária, houve predominância de respondentes com menos de 25 anos,

que totalizaram 288 (59,4%) respondentes, seguido por respondentes entre 25 e 35 anos (33,6%) e

apenas 34 respondentes (7%) maiores de 35 anos.


9

A análise dos dados foi realizada, preliminarmente, na verificação da distribuição dos dados

coletados, por meio dos testes Kolmogorov-Smirnov e Shapiro-Wilk. Para tal, foi utilizado o software

SPSS na versão 17.0 Nesses testes, para todos os indicadores analisados, a hipótese nula (H0) de

normalidade foi rejeitada, ou seja, os dados não possuem distribuição normal (Tabela 1).

Tabela 1 - Testes para verificação de normalidade

Kolmogorov-Smirnov Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Qsist1 ,305 485 ,000 ,833 485 ,000

Qsist2 ,322 485 ,000 ,825 485 ,000

Qsist3 ,311 485 ,000 ,841 485 ,000

Qsist4 ,236 485 ,000 ,860 485 ,000

Qinfo1 ,287 485 ,000 ,855 485 ,000

Qinfo2 ,342 485 ,000 ,814 485 ,000

Qinfo3 ,274 485 ,000 ,855 485 ,000

Qinfo4 ,326 485 ,000 ,813 485 ,000

Qserv1 ,235 485 ,000 ,873 485 ,000

Qserv2 ,249 485 ,000 ,887 485 ,000

Qserv3 ,225 485 ,000 ,890 485 ,000

Qserv4 ,184 485 ,000 ,908 485 ,000

Utilp1 ,357 485 ,000 ,773 485 ,000

Utilp2 ,372 485 ,000 ,772 485 ,000

Utilp3 ,355 485 ,000 ,796 485 ,000

Utilp4 ,311 485 ,000 ,846 485 ,000

Satis1 ,294 485 ,000 ,844 485 ,000

Nota ,182 485 ,000 ,931 485 ,000

Posteriormente foi testada a confiabilidade do instrumento utilizado, por meio da aplicação do

Alfa de Cronbach. Nesse teste, os quatro construtos da pesquisa apresentaram valor inferior ao limite

considerado mínimo de 0,70 (Tabela 2), embora seja aceito o valor de 0,60 para pesquisa exploratória

(HAIR et al., 2009). No entanto este valor deve ser analisado com ressalvas, já que o Alfa de Cronbach

apresenta limitações quando utilizado em MEE, pois desconsidera os erros nos indicadores (HAIR et

al., 2009).


10

Tabela 2 - Teste Alpha de Cronbach

Variável

latente

Alpha de

Cronbach

QSIST 0,613

QINFO 0,593

QSERV 0,515

UTILP 0,662

A confiabilidade das variáveis latentes também foi verificada por meio da confiabilidade

composta e de variância extraída. Em relação à confiabilidade composta, apenas o construto QSERV

apresentou índice abaixo do mínimo exigido de 0,60. Já a variância extraída apresentou índices aquém

do recomendado pela literatura em todos os construtos (Tabela 3).

Tabela 3 - Confiabilidade das variáveis latentes

Variável Latente

Confiabilidade

composta

Variância

extraída

QSIST 0,6181 0,2978

QINFO 0,6072 0,3070

QSERV 0,5294 0,2211

UTILP 0,6636 0,3307

AVALIAÇÃO DA ESCALA

Antes de se analisar o modelo proposto completo, foram feitas análises com vistas a verificar se

os construtos constituintes do modelo do presente estudo - Qualidade do Serviço, Qualidade da

Informação, Qualidade do Sistema e Utilidade Percebida - constituem escala adequada para mensurar

o construto subjacente Eficácia do SI.

Considerando o modelo com indicadores reflexivos, os dados foram analisados por meio da

técnica de Análise Fatorial Confirmatória (AFC), que é uma técnica cujo objetivo é verificar se as

variáveis latentes definidas pelo pesquisador explicam as respectivas variáveis observadas,

informando, ademais, se esses construtos estão correlacionados entre si, caso se queira avaliar a

existência de escala subjacente. A AFC concentra-se na associação entre os fatores e as suas variáveis

observadas (VIEIRA, 2003).

As estimativas dos parâmetros dos caminhos de cada construto em relação às respectivas

variáveis observadas são apresentadas e mostram que todos os parâmetros apresentam significância

estatística ao nível de 5%, uma vez que as razões críticas estão em patamar superior ao valor absoluto

de 1,96 (tabela 4).


11

No que se refere às estimativas dos parâmetros da escala, algumas observações são pertinentes

e evidenciam algumas características dos usuários do sistema.

Em relação ao construto QSIST (Qualidade do Sistema), a variável observada considerada mais

importante foi Qsist2 (Informações necessárias são encontradas com o mínimo de cliques) já que a

estimativa do seu peso de regressão foi a mais elevada, seguida pela variável Qsist3 (O acesso às

páginas é feito de forma rápida). Nesse construto, pode-se notar a importância dada pelo usuário do

SIA à questão da praticidade, agilidade e economia de tempo.

Tabela 4 - Estimativa dos parâmetros da escala

Pesos de regressão Estimado Erro

padrão

Razão

Crítica

Qsist1 <----- QSIST 1,000

Qsist2 <----- QSIST 1,514 0,198 7,656

Qsist3 <----- QSIST 1,358 0,187 7,268

Qsist4 <----- QSIST 1,021 0,150 6,817

Qinfo1 <----- QINFO 1,000

Qinfo2 <----- QINFO 1,011 0,099 10,246

Qinfo3 <----- QINFO 0,575 0,085 6,796

Qinfo4 <----- QINFO 0,591 0,076 7,727

Qserv4 <----- QSERV 1,000

Qserv3 <----- QSERV 1,003 0,171 5,879

Qserv2 <----- QSERV 1,100 0,201 5,473

Qserv1 <----- QSERV 1,065 0,167 6,372

Utilp1 <----- UTILP 1,000

Utilp2 <----- UTILP 1,003 0,116 8,650

Utilp3 <----- UTILP 1,108 0,119 9,324

Utilp4 <----- UTILP 1,097 0,124 8,816

O construto QINFO (Qualidade da Informação) teve como indicador mais importante Qinfo2

(As informações disponíveis no sistema são fáceis de entender), seguido por Qinfo1 (As informações

disponíveis no sistema são completas). Dentre as quatro variáveis observadas do construto, Estas são

as que mais se relacionam ao conceito de agilidade e otimização do tempo, já que as outras duas

(Qinfo3 e Qinfo 4) referem-se à personalização e segurança da informação.

No construto QSERV (Qualidade do Serviço) a variável observada mais importante foi Qserv2

(O sistema está disponível 24 horas por dia), seguida pela Qserv1 (A equipe de suporte tem

conhecimento para fazer seu trabalho de forma eficaz). Neste construto a variável observada

relacionada ao tempo de resposta às consultas não foi considerada das mais importantes, ficando em


12

último lugar em importância dentre os indicadores deste construto. Vale ressaltar que este foi o

construto com os índices mais homogêneos, ou seja, com os pesos de regressão dos quatro indicadores

mais próximos entre si, sendo o menor peso de regressão 1,000 (Qserv4) e o maior sendo 1,100

(Qserv2).

Por fim, no construto UTILP (Utilidade Percebida), as variáveis mais importantes foram Utilp3

(A sequência para realizar operações é clara), seguida por Utilp4 (O sistema facilita a minha vida).

Como todos os indicadores neste construto apresentam, em maior ou menor grau, questões

relacionadas à praticidade e agilidade, não se pode afirmar que os pesos destes indicadores evidenciam

tal importância atribuída pelo usuário. Nesse construto os índices também se mostraram muito

homogêneos, com os pesos de regressão dos quatro indicadores muito próximos entre si, com Utilp1

com o menos peso estimado em 1,000 e Utilp3 com o maior peso estimado em 1,108.

As estimativas das covariâncias entre construtos também apresentam significância estatística ao

nível de 5%, já que também apresentaram razões críticas superiores ao valor absoluto de 1,96 (Tabela

5).

Tabela 5 - Estimativas das covariâncias da escala

Covariâncias Estimado Erro

padrão

Razão

Crítica

QSIST <-----> QINFO 0,176 0,028 6,203

QSIST <-----> QSERV 0,134 0,026 5,101

QINFO <-----> UTILP 0,201 0,028 7,292

UTILP <-----> QSERV 0,129 0,024 5,340

QSIST <-----> UTILP 0,148 0,024 6,231

QINFO <-----> QSERV 0,176 0,032 5,545

Em relação às covariâncias entre as variáveis latentes, os maiores índices apresentados foram

os entre as variáveis QINFO e UTILP (0,201), QSIST e QINFO (0,176) e QINFO e QSERV (0,176).

Os dois menores índices foram entre os construtos UTILP e QSERV (0,129) e QSIST e QSERV

(0,134).

No que diz respeito à qualidade do ajustamento global do modelo, os índices apresentados

podem ser verificados adiante. De acordo com os parâmetros encontrados na literatura, os índices

indicam que a escala tem um ajustamento global razoável (Tabela 6).


13

Tabela 6 - Ajustamento global da escala

Indicadores de qualidade de

ajustamento Valor

CMIN/DF 2,931

GFI 0,929

AGFI 0,902

NFI 0,811

IFI 0,867

TLI 0,834

CFI 0,864

RMSEA 0,063

Tendo em vista os dados apresentados relacionados ao ajustamento global, e apesar de alguns

indicadores se mostrarem abaixo do recomendado na literatura, a escala foi considerada razoável, já

que dos 8 índices avaliados, 5 indicaram um modelo adequado (CMIN/DF menor que 3, GFI maior

que 0,9, AGFI maior que 0,9, CFI maior que 0,8 e RMSEA menor que 0,08) e 1 apresentou valor

relativamente próximo ao limite (IFI menor que 0,9, porém maior que 0,86). Os índices NFI (0,811) e

TLI (0,834) apresentaram valores consideravelmente abaixo do mínimo indicado na literatura, que é de

0,90.

AVALIAÇÃO DO MODELO COMPLETO

A avaliação do modelo completo teve o objetivo de validar o modelo utilizado por Ainin, Bahri

e Ahmad (2012) em sua pesquisa. Conforme já exposto, tal modelo sugere que os construtos qualidade

do sistema (QSIST), qualidade da informação (QINFO), qualidade do serviço (QSERV) e utilidade

percebida (UTILP) do sistema de informação, exercem impacto positivo sobre a satisfação do usuário

(SATIS).

As estimativas dos parâmetros dos caminhos de cada construto em relação às respectivas

variáveis observadas e de cada construto em relação à satisfação do usuário mostram significância

estatística ao nível de 5%, uma vez que as razões críticas estão em patamar superior a 1,96 (Tabela 7).


14

Tabela 7 - Estimativas dos parâmetros do modelo completo

Pesos de regressão Estimado Erro

padrão

Razão

Crítica

Qsist1 <----- QSIST 1,000

Qsist2 <----- QSIST 1,352 0,182 7,418

Qsist3 <----- QSIST 1,131 0,158 7,162

Qsist4 <----- QSIST 0,721 0,119 6,045

Qinfo1 <----- QINFO 1,000

Qinfo2 <----- QINFO 0,980 0,130 7,542

Qinfo3 <----- QINFO 0,408 0,078 5,241

Qinfo4 <----- QINFO 0,420 0,070 6,002

Qserv4 <----- QSERV 1,000

Qserv3 <----- QSERV 1,009 0,211 4,782

Qserv2 <----- QSERV 1,318 0,272 4,837

Qserv1 <----- QSERV 1,080 0,218 4,949

Utilp1 <----- UTILP 1,000

Utilp2 <----- UTILP 0,753 0,083 9,057

Utilp3 <----- UTILP 0,644 0,081 7,967

Utilp4 <----- UTILP 0,690 0,081 8,461

SATIS1 <-- QSIST 0,546 0,095 5,760

SATIS1 <-- QINFO 0,259 0,060 4,351

SATIS1 <-- UTILP 0,717 0,079 9,081

SATIS1 <-- QSERV 0,340 0,108 3,136

Em relação aos pesos dos indicadores, as duas variáveis observadas mais importantes dos

construtos QSIST, QINFO e QSERV foram as mesmas apresentadas na avaliação da escala, ou seja,

no construto QSIST (Qualidade do Sistema) a variável observada mais importante foi Qsist2

(Informações necessárias são encontradas com o mínimo de cliques), seguida por Qsist3 (O acesso às

páginas é feito de forma rápida). No construto QSERV (Qualidade do Serviço) a variável observada

mais importante foi Qserv2 (O sistema está disponível 24 horas por dia), seguida por Qserv1 (A equipe

de suporte tem conhecimento para fazer seu trabalho de forma eficaz). No construto QINFO

(Qualidade da Informação) houve apenas inversão de posição das duas mais importantes. Qinfo1 (As

informações disponíveis no sistema são completas) foi a mais importante, seguida por Qinfo2 (As

informações disponíveis no sistema são fáceis de entender).

No construto UTILP (Utilidade Percebida) ocorreu uma inversão nos pesos dos indicadores,

pois na avaliação do modelo completo as duas variáveis observadas com maiores pesos foram Utilp1

(É fácil acessar o sistema) e Utilp2 (A quantidade de informação exibida na tela é adequada),

exatamente as duas variáveis que apresentaram os menores pesos na estimativa dos parâmetros da


15

escala. Conforme já citado, as 4 variáveis observadas deste construto relacionam-se, de certa forma, à

ideia de praticidade e agilidade.

Em relação às estimativas dos parâmetros dos caminhos de cada construto em relação à

satisfação do usuário, é observado que UTILP é o que possui o maior peso estimado na influência

sobre a satisfação do usuário.

No que diz respeito à qualidade do ajustamento global do modelo, diferentemente do que

ocorreu com a escala estudada, os índices apresentados indicam que o modelo não tem um bom ajuste,

de acordo com os parâmetros encontrados na literatura (Tabela 8).

Tabela 8 - Ajustamento global do modelo

Indicadores de qualidade de

ajustamento Valor

CMIN/DF 6,743

GFI 0,820

AGFI 0,763

NFI 0,580

IFI 0,619

TLI 0,548

CFI 0,614

RMSEA 0,109

CMIN/DF apresentou índice maior que 6, quando deveria estar abaixo de 3; o RMSEA ficou

em 0,109, quando deveria estar abaixo de 0,8; e os outros índices deveriam apresentar valores

idealmente acima de 0,90, mas apenas o GFI ficou acima de 0,80, caracterizando, portanto, ajuste ruim

do modelo.

Apesar das estimativas dos parâmetros do modelo apresentarem significância estatística ao

nível de 5%, o modelo adaptado de Ainin, Bahri e Ahmad (2012) não pode ser validado no contexto

em que foi realizada a presente pesquisa.

São várias as suposições possíveis para que isso tenha ocorrido. Preliminarmente, deve-se

lembrar que a amostra da presente pesquisa não foi aleatória, o que representa uma limitação ao

estudo. Outra característica, que possivelmente seja consequência da primeira, refere-se ao fato dos

dados coletados não apresentarem distribuição normal. Além disso, os índices Alfa de Cronbach,

confiabilidade composta e variância média extraída evidenciaram que o grau de correlação dos

indicadores de cada construto está em patamar próximo ao limite ou aquém do aceito para modelos de

mensuração reflexivos.


16

Já em relação ao modelo utilizado, o construto Satisfação do Usuário (SATIS) é mensurado por

meio de um único indicador, o que de acordo com (HAIR et al., 2014) reduz a qualidade de sua

mensuração. Esta característica pode, portanto, ter influenciado negativamente a mensuração do

construto SATIS e consequentemente o ajuste global do modelo completo.

CONCLUSÃO E RECOMENDAÇÕES

O presente estudo teve como objetivo verificar o impacto da “qualidade do sistema”,

“qualidade da informação”, “qualidade do serviço” e “utilidade percebida” na satisfação do usuário de

sistema de informações acadêmico de uma IES. Tal estudo se justifica, na medida em que a satisfação

do usuário tem sido identificada como um dos principais meios de se medir sucesso de SI.

As hipóteses do estudo não foram confirmadas, ou seja, a partir dos dados coletados, não se

pode afirmar que qualidade do sistema, qualidade da informação, qualidade do serviço e utilidade

percebida, exercem impacto direto na satisfação do usuário de sistema de informações acadêmico, já

que, apesar das estimativas dos parâmetros dos caminhos de cada construto, em relação à satisfação do

usuário, apresentarem significância estatística, o modelo completo não apresentou ajustamento global

aceitável. Uma limitação do estudo pode ser atribuída ao fato da amostra ter sido selecionada por

conveniência. Dados coletados a partir de uma amostra probabilística, possivelmente apresentassem

distribuição normal, e consequentemente gerassem melhores indicadores de ajustamento global do

modelo. No entanto, apesar disso, algumas considerações relacionadas às características da pesquisa

são pertinentes e objetivam ajudar o entendimento dos dados analisados, com vistas a esclarecer os

possíveis motivos que geraram o ajustamento ruim do modelo.

A amostra utilizada apresentou faixa etária predominantemente jovem. Pouco menos de 60%

da amostra possui menos de 25 anos e apenas 7% possui mais de 35 anos. Ou seja, 93% dos

respondentes possuem 35 anos ou menos. São indivíduos considerados “nativos digitais”, que

provavelmente já têm experiência com a utilização de SI, pois vivenciaram o “boom” da internet e

cresceram em um ambiente informatizado, permeado de dispositivos conectados às tecnologias da

informação e comunicação. Esta característica é relevante ao se pesquisar a satisfação do usuário com

SI.

Tanto na verificação da escala quanto na análise do modelo completo, o construto Qualidade

do Sistema teve como principais indicadores as duas variáveis observadas relacionadas às questões de

praticidade, agilidade e economia de tempo (“Informações necessárias são encontradas com o mínimo


17

de cliques” e “O acesso às páginas é feito de forma rápida”). As outras duas variáveis observadas,

menos importantes, remetem a instruções sobre como usar o sistema e a facilidade em consertar erros

causados pelo próprio usuário (“As instruções sobre como usar o sistema estão disponíveis” e “É fácil

consertar os erros causados por mim quando utilizo o sistema”). Neste ponto, certamente a faixa etária

da amostra teve impacto nas respostas, pois esses indivíduos, provavelmente, possuem familiaridade

com sistemas de informação, não precisando, em sua maioria, de instruções para usar o sistema e

talvez não tenham causados erros que precisaram ser corrigidos. De acordo com a literatura, a

dimensão qualidade do sistema engloba o desempenho na entrega da informação, incluindo a

facilidade de uso e a performance do sistema. No entanto, é possível que quanto mais os usuários

estejam familiarizados com os SI, mais importância seja dada à performance e agilidade, no lugar de

instruções sobre como utilizá-lo.

Em relação ao construto Qualidade da Informação, esta dimensão também obteve, nas duas

análises realizadas, as mesmas duas variáveis observadas mais importantes. Foram elas “As

informações disponíveis no sistema são completas” e “As informações disponíveis no sistema são

fáceis de entender”. Também nesse construto pode ser observado que as variáveis mais importantes

estão relacionadas à ideia de praticidade e agilidade. As duas menos importantes relacionam-se à

personalização e à segurança das informações (“As informações disponíveis no sistema são

personalizadas” e “As informações disponíveis no sistema são seguras”). Estas duas, consideradas

menos importantes, relacionam-se, possivelmente, a aspectos menos relevantes em um SIA. Ao

contrário, por exemplo, de um sistema bancário, por meio do qual se realizam transações financeiras, o

que torna essencial a questão de segurança, um sistema acadêmico não tem essa sensibilidade à

questão de segurança, já que opera com dados menos críticos. Já em relação à personalização da

informação, provavelmente essa característica seja entendida como algo óbvio, já que o aluno acessa o

sistema para ver as suas notas, a sua frequência, as disciplinas nas quais está matriculado etc., e não

teria sentido um sistema acadêmico que não oferecesse este tipo de informação personalizada.

O construto Qualidade do Serviço também apresentou, nas duas análises realizadas, as mesmas

duas variáveis observadas mais importantes (“A equipe de suporte tem conhecimento para fazer seu

trabalho de forma eficaz” e “O sistema está disponível 24 horas por dia”). Nesse construto os itens

menos valorizados estão relacionados à agilidade e praticidade, ao contrário dos anteriores. O item que

apareceu como o mais importante nas duas análises refere-se ao conhecimento do pessoal do suporte,

indicando que em relação aos serviços, os usuários se preocupam mais com a eficácia do atendimento

do que com a rapidez em resolver o problema. Uma possibilidade para isso é que os usuários não


18

utilizem ou utilizem muito pouco os serviços de suporte, considerando mais importante o

conhecimento da equipe de suporte para auxiliá-lo, em detrimento da rapidez com que isso ocorra.

Em relação à Utilidade Percebida, houve inversão nos indicadores mais importantes, já que na

avaliação da escala, foram “A sequência para realizar operações é clara” e “O sistema facilita a minha

vida” e na análise do modelo completo foram “É fácil acessar o sistema” e “A quantidade de

informação exibida na tela é adequada”. Pode-se notar que todos os indicadores, de alguma forma,

relacionam-se à ideia de agilidade e praticidade. Em relação a este construto, ressalta-se o fato de que,

nas estimativas dos parâmetros do modelo completo, foi o que apresentou o maior peso estimado

impactando a satisfação do usuário. Este resultado está em linha com a literatura, que identifica a

utilidade percebida como um dos principais fatores para o uso da tecnologia, bem como, converge com

os resultados do estudo que desenvolveu o modelo utilizado na presente pesquisa. Outro ponto

importante é que o construto Utilidade Percebida foi o que apresentou os melhores índices nos testes

de Alfa de Cronbach, Confiabilidade Composta e Variância Extraída.

Em relação ao quinto construto do modelo completo, Satisfação do Usuário, cujo impacto

exercido pelos outros construtos foi o foco da presente pesquisa, vale ressaltar que sua mensuração foi

feita a partir de um único indicador, “Estou satisfeito com o sistema” e em função disso pode ter sido

inadequada. A utilização de indicador único para mensurar um construto não é recomendada na

literatura e pode ter comprometido a qualidade da mensuração. Tal fato justificaria a diferença no

ajuste da escala, que foi razoável, em relação ao ajuste do modelo completo, que foi ruim, pois é na

análise do modelo completo que se considera o impacto dos construtos na satisfação do usuário.

Apesar do modelo completo não ter apresentado ajuste razoável, não se pretende invalidar o

modelo utilizado. Para tal, são necessárias novas pesquisas que complementem os resultados do

presente estudo.

Primeiramente, sugere-se pesquisa que busque validar o modelo utilizado a partir de dados

coletados de uma amostra aleatória. Sugere-se também que estudos futuros apliquem o modelo

utilizado na presente pesquisa, utilizando mais de um indicador para mensurar a satisfação do usuário.

É importante que se realize estudo qualitativo com vistas ao refinamento do instrumento de coleta de

dados, bem como à melhor caracterização da amostra utilizada, especificamente na região da Baixada

Fluminense. Para finalizar, sugere-se que sejam realizadas pesquisas com o objetivo de confirmar a

natureza dos indicadores dos construtos utilizados no âmbito dos estudos de SI.


19

BIBLIOGRAFIA

AGUDO-PEREGRINA, Á. F.; HERNÁNDEZ-GARCÍA, Á.; PASCUAL-MIGUEL, F. J. Behavioral

intention, use behavior and the acceptance of electronic learning systems: Differences between higher

education and lifelong learning. Computers in Human Behavior, v. 34, p. 301–314, maio 2014.

AININ, S.; BAHRI, S.; AHMAD, A. Evaluating portal performance: A study of the National Higher

Education Fund Corporation (PTPTN) portal. Telematics and Informatics, v. 29, n. 3, p. 314–323,

ago. 2012.

AL-MASKARI, A.; SANDERSON, M. A review of factors influencing user satisfaction in

information retrieval. Journal of the American Society for Information Science and Technology, v.

61, n. 5, p. 859–868, maio 2010.

ALSABAWY, A. Y.; CATER-STEEL, A.; SOAR, J. IT infrastructure services as a requirement for e-

learning system success. Computers & Education, v. 69, p. 431–451, nov. 2013.

ALVES, J. C.; MONTEIRO, J. A. Uma abordagem para a criação de um ERP académico suportado

por tecnologias open source. Politécnica, n. 20, p. 112-122, dez. 2013.

BALABAN, I.; MU, E.; DIVJAK, B. Development of an electronic Portfolio system success model:

An information systems approach. Computers & Education, v. 60, n. 1, p. 396–411, 2013.

CAIPANG, C. L. M. A. Development of a Computerized Enrolment System in a Rural-Based Higher

Education System. Academic Research International. v. 4, n. 3, p. 142–148, maio 2013.

CHEN, C. W. Impact of quality antecedents on taxpayer satisfaction with online tax-filing systems –

An empirical study. Information & Management, v. 47, n. 5-6, p. 308–315, ago. 2010.

COSTA, E. G.; KLEIN, A. Z.; VIEIRA, L. M. Análise da utilização de Tecnologias da Informação

Móveis e Sem Fio (TIMS) na cadeia bovina: um estudo de caso no estado de Goiás. REAd. Revista

Eletrônica de Administração, Porto Alegre, v. 20, n. 1, p. 140–169, abr. 2014.

DAVIS, F. D. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information

Technology. MIS Quarterly, v. 13, n. 3, p. 319, set. 1989.

DELONE, W. H.; MCLEAN, E. R. Information Systems Success: The Quest for the Dependent

Variable. Information Systems Research, v. 3, n. 1, p. 60–95, mar. 1992.

____________. The DeLone and McLean Model of Information Systems Success: A Ten-Year

Update. Journal of Management Information Systems, v. 19, n. 4, p. 9–30, abr. 2003.

FAVARETTO, F. Experimento para análise da implantação da medição da qualidade da informação.

Produção, v. 17, n. 1, p. 151–161, abr. 2007.

FONTES FILHO, J. R.; NAVES, G. G. A contribuição do Sistema Integrado de Administração

Financeira do Governo Federal (SIAFI) para a promoção da accountability horizontal: a percepção dos

usuários. Brazilian Business Review, Vitória, v. 11, n. 3, p. 1–28, jun. 2014.

GOLDKUHL, G.; LAGSTEN, J. Different roles of evaluation in information systems research.

INTERNATIONAL WORKSHOP ON IT ARTEFACT DESIGN AND WORKPRACTICE

INTERVENTION. Anais... Barcelona: 2012. Disponível em: <http://www.diva-

portal.org/smash/record.jsf?pid=diva2:655669&dswid=-1964>. Acesso em: 31 jan. 2015

GORLA, N.; SOMERS, T. M. The impact of IT outsourcing on information systems success.

Information & Management, v. 51, n. 3, p. 320–335, abr. 2014.


20

GORLA, N.; SOMERS, T. M.; WONG, B. Organizational impact of system quality, information

quality, and service quality. The Journal of Strategic Information Systems, v. 19, n. 3, p. 207–228,

set. 2010.

HAIR, J. F. et al. Análise multivariada de dados. 6. ed. Porto Alegre: Bookman, 2009.

HAIR, J. F. et al. An assessment of the use of partial least squares structural equation modeling in

marketing research. Journal of the Academy of Marketing Science, v. 40, n. 3, p. 414–433, jun.

2012.

HAIR, J. F. et al. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM).

London: SAGE Publications, 2014.

HAIR, J. F.; GABRIEL, M. L. D. S.; PATEL, V. K. AMOS Covariance-Based Structural Equation

Modeling (CB-SEM): Guidelines on its Application as a Marketing Research Tool. Revista Brasileira

de Marketing, v. 13, n. 02, p. 44–55, maio 2014.

HSU, S. H.; CHEN, W.; HSIEH, M. Robustness testing of PLS, LISREL, EQS and ANN-based SEM

for measuring customer satisfaction. Total Quality Management & Business Excellence, v. 17, n. 3,

p. 355–372, abr. 2006.

JANISSEK, J.; PEIXOTO, A. L. A.; BASTOS, A. V. B. Desafios de gestão de uma universidade

pública: um diagnostico a partir da percepção dos seus tomadores de decisão. In: COLÓQUIO

INTERNACIONAL SOBRE GESTÃO UNIVERSITÁRIA NAS AMÉRICAS. 13. 2013. Buenos

Aires. Anais... Buenos Aires, 2013.

JARVIS, C. B.; MACKENZIE, S. B.; PODSAKOFF, P. M. A critical review of construct indicators

and measurement model misspecification in marketing and consumer research. Journal of consumer

research, v. 30, n. 2, p. 199-218, set. 2003.

KIM, C. et al. An empirical investigation of factors affecting ubiquitous computing use and U-business

value. International Journal of Information Management, v. 29, n. 6, p. 436–448, dez. 2009.

KIM, J.; MOHAN, K.; RAMESH, B. Functional and Nonfunctional Quality in Cloud-Based

Collaborative Writing: An Empirical Investigation. IEEE Transactions on Professional

Communication, v. 57, n. 3, p. 182–203, set. 2014.

LEE, H. S.; CHOI, Y. H.; JO, N. O. Determinants Affecting User Satisfaction with Campus Portal

Services in Korea. Journal of Internet Banking and Commerce, v. 14, n. 1, p. 1–18, 2009.

LEE, K. C.; CHUNG, N. Understanding factors affecting trust in and satisfaction with mobile banking

in Korea: A modified DeLone and McLean’s model perspective. Interacting with Computers, v. 21,

n. 5-6, p. 385–392, dez. 2009.

LEE, S. K.; YU, J. H. Success model of project management information system in construction.

Automation in Construction, v. 25, p. 82–93, ago. 2012.

LEITE, P. I. S. T. S. Modelo para avaliação da qualidade de conteúdos de sítios Web de Unidades

de Saúde. 2014. Tese. (Doutorado em Ciências da Informação) - Faculdade de Ciência e Tecnologia,

Universidade Fernando Pessoa. Porto, 2014. Disponível em < http://hdl.handle.net/10284/4545 >.

MACHADO, C. P. Governança da Tecnologia de Informação e a efetividade dos Sistemas de

Informação. 2007. Tese (Doutorado em Engenharia de Produção). Universidade Federal do Rio

Grande do Sul. Porto Alegre, 2007. Disponível em < http://www.lume.ufrgs.br/handle/10183/13440 >.

Acesso em 14/02/2014.


21

MARTINS, G. A.; THEÓPHILO, C. R. Metodologia da investigação científica para ciências sociais

aplicadas. 2. ed. São Paulo: Atlas, 2009.

MORAIS, K. M. N.; TAVARES, E. Uso da tecnologia da informação na gestão da cadeia de

suprimentos em São Luís do Maranhão e oportunidades para o desenvolvimento de fornecedores

locais. Interações (Campo Grande), v. 12, n. 2, p. 175–191, dez. 2011.

PARK, N. et al. Understanding the acceptance of teleconferencing systems among employees: An

extension of the technology acceptance model. Computers in Human Behavior, v. 39, p. 118–127,

out. 2014.

PILATI, R.; LAROS, J. A. Modelos de equações estruturais em psicologia: conceitos e aplicações.

Psicologia: Teoria e Pesquisa, v. 23, n. 2, p. 205–216, jun. 2007.

RAYKOV, T.; MARCOULIDES, G. A. A first course in structural equation modeling. 2. ed.

Mahwah, New Jersey, London: Lawrence Erlbaum Associates, 2006.

SACCOL, A. I. C. Z.; MANICA, A.; ELALUF-CALDERWOOD, S. Innovation and adoption of

mobile technology in public organizations: the IBGE case. Revista de Administração de Empresas,

v. 51, n. 1, p. 72–83, fev. 2011.

SAMPAIO, R. R.; ROSA, C. P.; PEREIRA, H. B. B. Mapeamento dos fluxos de informação e

conhecimento: a governança de TI sob a ótica das redes sociais. Gestão & Produção, v. 19, n. 2, p.

377–387, 2012.

SANTOS, M. Perfis de Gerenciamento Estratégico da Informação nas Empresas Brasileiras. BBR -

Brazilian Business Review, v. 3, n. 1, p. 118–136, 2006.

SCHEEREN, A. W.; FONTES FILHO, J. R.; TAVARES, E. Impacts of a Relationship Model on

Informational Technology Governance: An Analysis of Managerial Perceptions in Brazil. JISTEM -

Journal of Information Systems and Technology Management, v. 10, n. 3, p. 621–642, dez. 2013.

SENGER, I.; BRITO, M. J. Gestão de Sistema de Informação Acadêmica: Um Estudo Descritivo da

Satisfação dos Usuários. RAM. Revista de Administração Mackenzie, v. 6, n. 3, p. 12–40, 2005.

SHEE, D. Y.; WANG, Y.-S. Multi-criteria evaluation of the web-based e-learning system: A

methodology based on learner satisfaction and its applications. Computers & Education, v. 50, n. 3,

p. 894–905, abr. 2008.

SHIBCHURN, J.; YAN, X. Information disclosure on social networking sites: An intrinsic–extrinsic

motivation perspective. Computers in Human Behavior, v. 44, p. 103–117, mar. 2015.

SOUZA, A. A. et al. Avaliação de Sistemas de Informação: Um Estudo em Organizações Hospitalares.

Sociedade, Contabilidade e Gestão, v. 7, n. 1, jan./jun. 2012.

VIEIRA, P. R. C. Imagem e Reputação do Banco Central: relação entre percepção de

desempenho e compromisso institucional. 2003. 264 p. Tese (Doutorado em administração).

COPPEAD, Universidade Federal do Rio de Janeiro. Rio de Janeiro, 2003. Disponível em: <

http://objdig.ufrj.br/41/teses/Tese_Paulo_Vieira.pdf >. Acesso em 18/04/2014.

VIEIRA, P. R. C.; RIBAS, J. R. Análise Multivariada com o Uso do SPSS. Rio de Janeiro: Ciência

Moderna, 2011.

ZANETI JUNIOR, L. A.; VIDAL, A. G. R. Construção de sistemas de informação baseados na

tecnologia web. Revista de Administração, São Paulo, v. 41, n. 3, p. 232-244, jul./ago./set./2006.


22

ZHENG, Y.; ZHAO, K.; STYLIANOU, A. The impacts of information quality and system quality on

users’ continuance intention in information-exchange virtual communities: An empirical investigation.

Decision Support Systems, v. 56, p. 513–524, dez. 2013.

ZWICKER, R.; SOUZA, C. A.; BIDO, D. S. Uma revisão do modelo do grau de informatização de

empresas: novas propostas de estimação e modelagem usando PLS (partial least squares). In:

ENCONTRO DA ANPAD - EnANPAD. 32. 2008. Rio de Janeiro. Anais... jan. 2008.

satisfaÇÃo de usuÁrio de sistema de informaÇÃo … · satisfação do usuário: a satisfação...

Documents